Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "model Gaussa" wg kryterium: Temat


Wyświetlanie 1-6 z 6
Tytuł:
Application of Advanced Statistical Procedures for Adjustment of Measurement Results in Engineering Surveying
Zastosowanie zaawansowanych procedur statystycznych do wyrównywania wyników pomiarów w geodezji inżynieryjnej
Autorzy:
Czaja, J.
Dąbrowski, J. A.
Powiązania:
https://bibliotekanauki.pl/articles/385931.pdf
Data publikacji:
2018
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
measurements in engineering surveying
Gauss–Markov model
diagonal covariance matrix
pomiary w geodezji inżynieryjnej
model Gaussa–Markova
diagonalna macierz kowariancyjna
Opis:
Measurements in engineering surveying are aimed at determining the coordinates of the points of a geodetic control, spatially setting out a technical design of an engineering structure, determining the spatial coordinates of points (or their displacement) that represent an engineering structure, and identifying the displacement and deformation of a studied engineering structure. Provided that the aforementioned measurements are to represent the same engineering structure, such observation results should be settled (adjusted) in one calculation process. The application of the Gauss–Markov theorem for this adjustment using covariance matrix Cov(L) for observed values L is the classical approach for adjusting the results of surveying observations of various accuracy (taking into account accuracy weights). Determining the displacements of points in the process of adjusting the results of periodic measurements, applying different methods of tying geodetic controls to national networks, and using various instruments and measurement methods result in the individual displacement components or coordinates of the observed points being determined with different accuracies. This circumstance forms the basis for the assumption that the estimated parameters (unknown values) should be random. This paper will formulate the principles of estimation of Gauss–Markov models in which the estimated parameters (X) are random. For this purpose, methods for the prior definition of covariance matrix CX for the estimated parameters will be provided, which will be used to determine the conditional covariance matrix of observation vector L and then to estimate the most probable values of the Xˆ parameters. Covariance matrix Cov(Xˆ) obtained as a result of this estimation will be used to define the limit values of the variances of these parameters.
Celem pomiarów w geodezji inżynieryjnej może być: wyznaczanie współrzędnych punktów osnowy realizacyjnej, wytyczenie w przestrzeni projektu technicznego obiektu inżynierskiego, wyznaczenie przestrzennych współrzędnych punktów lub ich przemieszczeń reprezentujących obiekt inżynierski oraz określenie przemieszczeń i odkształceń badanego obiektu inżynierskiego. Jeżeli wyżej wymienione pomiary odnoszą się do obiektu inżynierskiego, to takie wyniki obserwacji powinny być uzgadniane (wyrównywane) w jednym procesie obliczeniowym. Zastosowanie do tego wyrównania modeli Gaussa– Markowa z wykorzystaniem macierzy kowariancji Cov(L) dla wielkości obserwowanych L stanowi klasyczne postępowanie wyrównywania różnodokładnych wyników obserwacji geodezyjnych, z uwzględnieniem wag dokładności. Wyznaczanie przemieszczeń punktów w procesie wyrównywania wyników okresowych pomiarów, stosowanie różnych sposobów nawiązywania osnów realizacyjnych do sieci państwowych oraz wykorzystywanie różnych przyrządów i metody pomiaru – wszystko to powoduje, że poszczególne składowe przemieszczeń lub współrzędne obserwowanych punktów będą określane z różną dokładnością. Ta okoliczność jest podstawą założenia, że szacowane parametry (niewiadome) powinny mieć charakter losowy. W artykule sformułowano zasady estymacji modeli Gaussa–Markowa, w których szacowane parametry X mają charakter losowy. W tym celu podano sposoby określania a priori macierzy kowariancji CX dla estymowanych parametrów, która została wykorzystana do wyznaczenia macierzy kowariancji warunkowych wektora obserwacji L, a następnie do estymacji najbardziej prawdopodobnych wartości parametrów Xˆ. Uzyskana w wyniku tej estymacji macierz kowariancji Cov(Xˆ) została wykorzystana do ustalenia granicznych wartości wariancji tych parametrów. Praktyczne zastosowanie proponowanego sposobu estymacji modelu G-M do wyznaczania pionowych przemieszczeń powierzchni osuwiska, dla parametrów losowych, zostało zilustrowane na przykładzie fragmentu niwelacyjnej sieci punktów.
Źródło:
Geomatics and Environmental Engineering; 2018, 12, 4; 33-44
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Advanced Statistical Procedures for Adjustment of Results in Measurements of Displacements
Weryfikacja zaawansowanych procedur statystycznych do wyrównywania wyników w pomiarach przemieszczeń
Autorzy:
Czaja, Józef
Dąbrowski, Janusz Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/386094.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
pomiary w geodezji inżynieryjnej
model Gaussa–Markova
diagonalna macierz kowariancyjna
measurements in engineering surveying
Gauss–Markov model
diagonal covariance matrix
Opis:
In this paper, the authors verified the formulated principles of the estimation of Gauss–Markov models in which estimated parameters X were random. For this purpose, methods for the prior definition of covariance matrix CX for the estimated parameters were provided, which were used to determine the conditional covariance matrix of observation vector L and then estimate the most probable values of parameters Xˆ. Covariance matrix Cov(Xˆ) obtained as a result of this estimation was used to define the limit values of the variance of these parameters. Practical application of the proposed method for the Gauss–Markov model estimation for random parameters was illustrated on a fragment of a leveling network of points to determine the vertical displacements of a landslide surface.
W artykule autorzy poddali weryfikacji sformułowane zasady estymacji modeli Gaussa–Markowa [10], w których szacowane parametry X miały charakter losowy. W tym celu zostały podane sposoby określania a priori macierzy kowariancji CX dla estymowanych parametrów, które zostały wykorzystane do wyznaczenia macierzy kowariancji warunkowych wektora obserwacji L, a następnie do estymacji najbardziej prawdopodobnych wartości parametrów Xˆ. Uzyskana w wyniku tej estymacji macierz kowariancji Cov(Xˆ) została wykorzystana do ustalenia granicznych wartości wariancji tych parametrów. Zastosowanie proponowanego sposobu estymacji modelu Gaussa–Markova do parametrów losowych zostało zilustrowane na przykładzie fragmentu niwelacyjnej sieci punktów przeznaczonej do wyznaczania pionowych przemieszczeń powierzchni osuwiska.
Źródło:
Geomatics and Environmental Engineering; 2019, 13, 1; 5-15
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid texture and gradient modeling for dynamic background subtraction identification systemin tobacco plant using 5G data service
Autorzy:
Gowda Thirthe, M.T.
Chandrika, J.
Powiązania:
https://bibliotekanauki.pl/articles/38699145.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
background subtraction
local binary pattern
tobacco plant
texture
Gaussian mixture model
illumination change
plant disease identification system
usuwanie tła
lokalny wzorzec binarny
tytoń
tekstura
model mieszaniny Gaussa
zmiana oświetlenia
system identyfikacji chorób roślin
Opis:
Background: Detecting the plants as objects of interest in any vision-based input sequence is highly complex due to nonlinear background objects such as rocks, shadows,etc. Therefore, it is a difficult task and an emerging one with the development of precision agriculture systems. The nonlinear variations of pixel intensity with illuminationand other causes such as blurs and poor video quality also make the object detection taskchallenging. To detect the object of interest, background subtraction (BS) is widely usedin many plant disease identification systems, and its detection rate largely depends on thenumber of features used to suppress and isolate the foreground region and its sensitivitytoward image nonlinearity. Methodology: A hybrid invariant texture and color gradient-based approach is proposed to model the background for dynamic BS, and its performance is validated byvarious real-time video captures covering different kinds of complex backgrounds and various illumination changes. Based on the experimental results, a simple multimodal featureattribute, which includes several invariant texture measures and color attributes, yieldsfinite precision accuracy compared with other state-of-art detection methods. Experimental evaluation of two datasets shows that the new model achieves superior performanceover existing results in spectral-domain disease identification model. 5G assistance: After successful identification of tobacco plant and its analysis, the finalresults are stored in a cloud-assisted server as a database that allows all kinds of 5G servicessuch as IoT and edge computing terminals for data access with valid authentication fordetailed analysis and references.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 1; 41-54
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient learning variable impedance control for industrial robots
Autorzy:
Li, C.
Zhang, Z.
Xia, G.
Xie, X.
Zhu, Q.
Powiązania:
https://bibliotekanauki.pl/articles/200716.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
variable impedance control
reinforcement learning
efficient
Gaussian process
industrial robots
impedancja
poprawa efektywności
wydajność
model Gaussa
roboty przemysłowe
Opis:
Compared with the robots, humans can learn to perform various contact tasks in unstructured environments by modulating arm impedance characteristics. In this article, we consider endowing this compliant ability to the industrial robots to effectively learn to perform repetitive force-sensitive tasks. Current learning impedance control methods usually suffer from inefficiency. This paper establishes an efficient variable impedance control method. To improve the learning efficiency, we employ the probabilistic Gaussian process model as the transition dynamics of the system for internal simulation, permitting long-term inference and planning in a Bayesian manner. Then, the optimal impedance regulation strategy is searched using a model-based reinforcement learning algorithm. The effectiveness and efficiency of the proposed method are verified through force control tasks using a 6-DoFs Reinovo industrial manipulator.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2019, 67, 2; 201-212
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fitting a Gaussian mixture model through the Gini index
Autorzy:
López-Lobato, Adriana Laura
Avendaño-Garrido, Martha Lorena
Powiązania:
https://bibliotekanauki.pl/articles/2055144.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Gini index problem
Gaussian mixture model
clustering
indeks Giniego
model mieszaniny Gaussa
grupowanie
Opis:
A linear combination of Gaussian components is known as a Gaussian mixture model. It is widely used in data mining and pattern recognition. In this paper, we propose a method to estimate the parameters of the density function given by a Gaussian mixture model. Our proposal is based on the Gini index, a methodology to measure the inequality degree between two probability distributions, and consists in minimizing the Gini index between an empirical distribution for the data and a Gaussian mixture model. We will show several simulated examples and real data examples, observing some of the properties of the proposed method.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 487--500
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Algorytm i aplikacja w programie EXCEL dla krokowej aproksymacji danych drogą rozwiązania układu równań metodą Gaussa
Algorithm and EXCEL Application for Data Stepwise Approximation by Solution of the System of Equations Using Gauss Method
Autorzy:
Polanowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/341853.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Morski w Gdyni. Wydawnictwo Uniwersytetu Morskiego w Gdyni
Tematy:
metoda najmniejszych kwadratów
aproksymacja krokowa
model wielomianowy
algorytm Gaussa
aplikacja Excel
least squares method
stepwise approximation
polynomial model
Gaussian algorithm
EXCEL application
Opis:
W artykule zaprezentowano algorytm oraz aplikację w programie Excel krokowej aproksymacji danych metodą najmniejszych kwadratów dla modelu wielomianowego, liniowego względem współczynników. Pod pojęciem wielomianu aproksymującego rozumiany jest wielomian uogólniony, którego jednomiany są dowolnymi liniowo niezależnymi funkcjami. Współczynniki wielomianu aproksymującego są wyznaczane metodą Gaussa. Specjalnie utworzona tabela informacyjna umożliwia optymalny dobór jednomianów oraz budowanie modelu krok po kroku, drogą włączania do modelu jednomianów najbardziej zmniejszających sumę kwadratów odchyleń. W tej tabeli wskazano sumę kwadratów odchyleń, odchylenia skrajne oraz wartości odchylenia standardowego na każdym kroku aproksymacji. Stanowi to podstawę do podjęcia decyzji o zakończeniu aproksymacji, a także umożliwia wyłonienie punktów o nadmiernych odchyleniach.
The paper presents the algorithm and the application in Excel of the stepwise least squares data approximation for a polynomial model linear with respect to coefficients. The term approximating polynomial is understood as a generalized polynomial which monomials are any linearly independent functions. The coefficients of the approximating polynomial are determined by the Gaussian method. Specially created information table enables an optimal selection of monomials and building a model step by step, by incorporating the monomials with most decreasing sums of squared deviations. In this table, the sum of squared deviations, extreme deviations and standard deviation values are indicated at each approximation step. This is the basis for making the decision to complete the approximation, as well as the selection of points with excessive deviations.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Gdyni; 2018, 105; 124-135
1644-1818
2451-2486
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Gdyni
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-6 z 6

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies